Qwen2.5-Math-1.5B-Instruct

MERA Создан 04.11.2024 17:58
0.28
Общий результат
514
Место в рейтинге
Слабые задачи:
538
RWSD
544
PARus
559
RCB
626
MultiQ
592
ruWorldTree
575
ruOpenBookQA
572
ruMMLU
559
ruHateSpeech
501
ruDetox
569
ruHHH
518
ruTiE
129
ruHumanEval
491
USE
408
MathLogicQA
177
ruMultiAr
303
SimpleAr
371
LCS
560
BPS
220
ruModAr
578
MaMuRAMu
127
ruCodeEval
+17
Скрыть

Оценки по задачам лидерборда

Таблица скроллится влево

Задача Результат Метрика
LCS 0.092 Accuracy
RCB 0.345 / 0.319 Accuracy F1 macro
USE 0.059 Grade norm
RWSD 0.45 Accuracy
PARus 0.498 Accuracy
ruTiE 0.504 Accuracy
MultiQ 0.005 / 0 F1 Exact match
CheGeKa 0 / 0 F1 Exact match
ruModAr 0.495 Exact match
MaMuRAMu 0.288 Accuracy
ruMultiAr 0.301 Exact match
ruCodeEval 0.151 / 0.312 / 0.366 Pass@k
MathLogicQA 0.339 Accuracy
ruWorldTree 0.272 / 0.255 Accuracy F1 macro
ruOpenBookQA 0.305 / 0.289 Accuracy F1 macro

Оценка на открытых задачах:

Перейти к оценкам по подкатегориям

Таблица скроллится влево

Задача Результат Метрика
BPS 0.496 Accuracy
ruMMLU 0.276 Accuracy
SimpleAr 0.935 Exact match
ruHumanEval 0.16 / 0.275 / 0.323 Pass@k
ruHHH 0.455
ruHateSpeech 0.479
ruDetox 0.072
ruEthics
Правильно Хорошо Этично
Добродетель 0.064 0.065 -0.026
Закон 0.044 0.061 -0.069
Мораль 0.058 0.056 -0.054
Справедливость 0.016 0.025 -0.039
Утилитаризм 0.012 0.029 -0.045

Информация о сабмите

Версия MERA
v.1.2.0
Версия Torch
2.4.0
Версия кодовой базы
9b26db97
Версия CUDA
12.1
Precision весов модели
bfloat16
Сид
1234
Батч
1
Версия transformers
4.44.2
Количество GPU и их тип
1 x NVIDIA H100 80GB HBM3
Архитектура
vllm

Команда:

MERA

Название ML-модели:

Qwen2.5-Math-1.5B-Instruct

Ссылка на ML-модель:

https://huggingface.co/Qwen/Qwen2.5-Math-1.5B-Instruct

Размер модели

1.5B

Тип модели:

Открытая

SFT

Дополнительные ссылки:

https://qwenlm.github.io/blog/qwen2.5-math/

Описание архитектуры:

-

Описание обучения:

-

Данные претрейна:

First, the Qwen2-Math base models are trained on a high-quality mathematical pre-training dataset called the Qwen Math Corpus v1, which contains approximately 700 billion tokens. Second, we train a math-specific reward model Qwen2-Math-RM, derived from Qwen2-Math-72B, to create the Qwen2-Math-Instruct models. This reward model is used to construct Supervised Fine-Tuning (SFT) data through Rejection Sampling. Third, leveraging the Qwen2-Math-72B-Instruct model, we synthesize additional high-quality mathematical pre-training data, which serves as the foundation for Qwen Math Corpus v2. This updated corpus contains over 1 trillion tokens and is used to pre-train the Qwen2.5-Math models. Lastly, similar to the process used for the Qwen2-Math-Instruct models, we construct the Qwen2.5-Math-RM and Qwen2.5-Math-Instruct models.

Лицензия:

apache-2.0

Параметры инференса

Параметры генерации:
simplear - do_sample=false;until=["\n"]; \nchegeka - do_sample=false;until=["\n"]; \nrudetox - do_sample=false;until=["\n"]; \nrumultiar - do_sample=false;until=["\n"]; \nuse - do_sample=false;until=["\n","."]; \nmultiq - do_sample=false;until=["\n"]; \nrumodar - do_sample=false;until=["\n"]; \nruhumaneval - do_sample=true;until=["\nclass","\ndef","\n#","\nif","\nprint"];temperature=0.6; \nrucodeeval - do_sample=true;until=["\nclass","\ndef","\n#","\nif","\nprint"];temperature=0.6;

Размер контекста:
simplear, bps, lcs, chegeka, mathlogicqa, parus, rcb, rudetox, ruhatespeech, rummlu, ruworldtree, ruopenbookqa, rumultiar, use, rwsd, mamuramu, multiq, rumodar, ruethics, ruhhh, ruhumaneval, rucodeeval, rutie - 4096

Системный промпт:
Реши задачу по инструкции ниже. Не давай никаких объяснений и пояснений к своему ответу. Не пиши ничего лишнего. Пиши только то, что указано в инструкции. Если по инструкции нужно решить пример, то напиши только числовой ответ без хода решения и пояснений. Если по инструкции нужно вывести букву, цифру или слово, выведи только его. Если по инструкции нужно выбрать один из вариантов ответа и вывести букву или цифру, которая ему соответствует, то выведи только эту букву или цифру, не давай никаких пояснений, не добавляй знаки препинания, только 1 символ в ответе. Если по инструкции нужно дописать код функции на языке Python, пиши сразу код, соблюдая отступы так, будто ты продолжаешь функцию из инструкции, не давай пояснений, не пиши комментарии, используй только аргументы из сигнатуры функции в инструкции, не пробуй считывать данные через функцию input. Не извиняйся, не строй диалог. Выдавай только ответ и ничего больше.

Оценки по подкатегориям

Метрика: Grade Norm
Модель, команда 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 8_0 8_1 8_2 8_3 8_4
Qwen2.5-Math-1.5B-Instruct
MERA
0.033 0 0.267 0 0 0 0 - 0.033 0 0.033 0.033 0 0 0.033 0.367 0 0 0.067 0.067 0.067 0 0.033 0 0 0.008 0.067 0.167 0.167 0.067 0.1
Модель, команда Честность Помощь Безопасность
Qwen2.5-Math-1.5B-Instruct
MERA
0.41 0.525 0.431
Модель, команда Анатомия Вирусология Астрономия Маркетинг Нутрициология Социология Менеджмент Философия История древнего мира Геронтология Эконометрика Формальная логика Факторы глобального значения Юриспунденция Микс (разнообразный домен) Мораль Бизнес-этика Биология (школьная) Физика (школьная) Человеческая сексуальность Моральные сценарии Мировые религии Общая алгебра Медицина (школьная) Машинное обучение Генетика Профессиональное законодательство PR Безопасность Химия (школьная) Компьютерная безопасность Международное право Логические ошибки Политика Клинические знания Концептуальная физика Математика (школьная) Биология (университетская) Физика (университетская) Химия (университетская) География (университетская) Профессиональная медицина Электротехника Элементарная математика Психология (университетская) Статистика (университетская) История (университетская) Математика (университетская) Бухгалтерский учет Профессиональная психология Компьютерные науки (уровень колледжа) Мировая история (университетская) Макроэкономика Микроэкономика Компьютерные науки (университетские) История европы Государство и политика
Qwen2.5-Math-1.5B-Instruct
MERA
0.252 0.235 0.243 0.282 0.32 0.239 0.32 0.264 0.253 0.215 0.219 0.294 0.27 0.343 0.261 0.249 0.22 0.229 0.267 0.305 0.265 0.263 0.26 0.306 0.25 0.25 0.261 0.194 0.18 0.26 0.31 0.438 0.331 0.293 0.294 0.295 0.24 0.255 0.311 0.296 0.253 0.327 0.276 0.393 0.245 0.306 0.255 0.352 0.255 0.275 0.33 0.257 0.287 0.34 0.4 0.279 0.275
Модель, команда SIM FL STA
Qwen2.5-Math-1.5B-Instruct
MERA
0.198 0.499 0.735
Модель, команда Анатомия Вирусология Астрономия Маркетинг Питание Социология Менеджмент Философия Предыстория Геронтология Эконометрика Формальная логика Глобальные факты Юриспруденция Разное Моральные споры Деловая этика Биология (колледж) Физика (колле Человеческая сексуальность Моральные сценарии Мировые религии Абстрактная алгебра Медицина (колледж) Машинное обучение Генетика Профессиональное право PR Безопасность Химия (колледж) Компьютерная безопасность Международное право Логические ошибки Политика Клинические знания Концептуальная физика Математика (колледж) Биология (универ) Физика (универ) Химия (универ) География (универ) Проф медицина Электрика Элементарная математика Психология (универ) Статистика (универ) История (универ) Математика (универ) Бухгалтерия Проф психология Коммпьютерные науки (колледж) Мировая история (универ) Макроэкономика Микроэкономика Компьютерные науки (универ) История Европы Государство и политика
Qwen2.5-Math-1.5B-Instruct
MERA
0.2 0.297 0.217 0.343 0.197 0.207 0.362 0.211 0.25 0.323 0.282 0.167 0.325 0.295 0.222 0.37 0.299 0.289 0.298 0.246 0.228 0.305 0.4 0.249 0.267 0.273 0.295 0.298 0.474 0.244 0.444 0.346 0.295 0.333 0.212 0.375 0.289 0.356 0.351 0.277 0.229 0.222 0.222 0.444 0.362 0.511 0.276 0.432 0.369 0.263 0.244 0.232 0.329 0.325 0.186 0.269 0.311
Правильно
Хорошо
Этично
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-Math-1.5B-Instruct
MERA
0.064 0.044 0.058 0.016 0.012
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-Math-1.5B-Instruct
MERA
0.065 0.061 0.056 0.025 0.029
Модель, команда Добродетель Закон Мораль Справедливость Утилитаризм
Qwen2.5-Math-1.5B-Instruct
MERA
-0.026 -0.069 -0.054 -0.039 -0.045
Модель, команда Женщины Мужчины ЛГБТ Национальности Мигранты Другое
Qwen2.5-Math-1.5B-Instruct
MERA
0.407 0.543 0.706 0.432 0.571 0.525